- Cloudflare-hosted
- Batch
- Partner
- Real-time
Aura-2 是一款具备上下文感知能力的文本转语音(TTS)模型,会根据所提供文本的上下文自然地控制语速、表现力和填充词。输入文本的质量会直接影响输出音频的自然程度。
| 模型信息 | |
|---|---|
| 条款和许可证 | 链接 ↗ |
| 批处理 | 是 |
| 合作伙伴 | 是 |
| 实时 | 是 |
| 单位定价 | $0.03 per 1k characters |
参数
speaker
stringdefault: aquilaenum: sirio, nestor, carina, celeste, alvaro, diana, aquila, selena, estrella, javier用于生成音频的说话人(音色)。encoding
stringenum: linear16, flac, mulaw, alaw, mp3, opus, aac输出音频的编码格式。container
stringenum: none, wav, oggContainer 指定输出音频的文件格式封装。可用选项取决于编码类型。text
stringrequired要转换为语音的文本内容sample_rate
numberSample Rate 指定输出音频的采样率。不同编码支持不同的采样率;对于某些编码,采样率不可配置bit_rate
number音频的比特率,单位为比特每秒(bps)。可根据编码类型从预定义范围或具体数值中选择。绑定返回包含音频的 ReadableStream,音频格式为 MPEG (请查看模型的输出 schema)。